Selenium
Selenium是一个Web的自动化测试工具,最初是为网站自动化测试而开发的,类型像我们玩游戏用的按键精灵,可以按指定的命令自动操作,不同是Selenium 可以直接运行在浏览器上,它支持所有主流的浏览器(包括PhantomJS这些无界面的浏览器)。

Selenium 可以根据我们的指令,让浏览器自动加载页面,获取需要的数据,甚至页面截屏,或者判断网站上某些动作是否发生。

Selenium 自己不带浏览器,不支持浏览器的功能,它需要与第三方浏览器结合在一起才能使用。但是我们有时候需要让它内嵌在代码中运行,所以我们可以用一个叫 PhantomJS 的工具代替真实的浏览器。

可以从 PyPI 网站下载 Selenium库https://pypi.python.org/simple/selenium ,也可以用 第三方管理器 pip用命令安装:pip install selenium

Selenium 官方参考文档:http://selenium-python.readthedocs.io/index.html

PhantomJS
PhantomJS 是一个基于Webkit的“无界面”(headless)浏览器,它会把网站加载到内存并执行页面上的 JavaScript,因为不会展示图形界面,所以运行起来比完整的浏览器要高效。

如果我们把 Selenium 和 PhantomJS 结合在一起,就可以运行一个非常强大的网络爬虫了,这个爬虫可以处理 JavaScrip、Cookie、headers,以及任何我们真实用户需要做的事情。

注意:PhantomJS 只能从它的官方网站http://phantomjs.org/download.html) 下载。 因为 PhantomJS 是一个功能完善(虽然无界面)的浏览器而非一个 Python 库,所以它不需要像 Python 的其他库一样安装,但我们可以通过Selenium调用PhantomJS来直接使用。

PhantomJS 官方参考文档:http://phantomjs.org/documentation

Selenium快速入门
Selenium 库里有个叫 WebDriver 的 API。WebDriver 有点儿像可以加载网站的浏览器,但是它也可以像 BeautifulSoup 或者其他 Selector 对象一样用来查找页面元素,与页面上的元素进行交互 (发送文本、点击等),以及执行其他动作来运行网络爬虫。

IPython2 测试代码

导入 webdriver

from selenium import webdriver

要想调用键盘按键操作需要引入keys包

from selenium.webdriver.common.keys import Keys

调用环境变量指定的PhantomJS浏览器创建浏览器对象

driver = webdriver.PhantomJS()

如果没有在环境变量指定PhantomJS位置

driver = webdriver.PhantomJS(executable_path="./phantomjs"))

get方法会一直等到页面被完全加载,然后才会继续程序,通常测试会在这里选择 time.sleep(2)

driver.get("http://www.baidu.com/")

获取页面名为 wrapper的id标签的文本内容

data = driver.find_element_by_id("wrapper").text

打印数据内容

print data

打印页面标题 "百度一下,你就知道"

print driver.title

生成当前页面快照并保存

driver.save_screenshot("baidu.png")

id="kw"是百度搜索输入框,输入字符串"长城"

driver.find_element_by_id("kw").send_keys(u"长城")

id="su"是百度搜索按钮,click() 是模拟点击

driver.find_element_by_id("su").click()

获取新的页面快照

driver.save_screenshot("长城.png")

打印网页渲染后的源代码

print driver.page_source

获取当前页面Cookie

print driver.get_cookies()

ctrl+a 全选输入框内容

driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'a')

ctrl+x 剪切输入框内容

driver.find_element_by_id("kw").send_keys(Keys.CONTROL,'x')

输入框重新输入内容

driver.find_element_by_id("kw").send_keys("itcast")

模拟Enter回车键

driver.find_element_by_id("su").send_keys(Keys.RETURN)

清除输入框内容

driver.find_element_by_id("kw").clear()

生成新的页面快照

driver.save_screenshot("itcast.png")

获取当前url

print driver.current_url

关闭当前页面,如果只有一个页面,会关闭浏览器

driver.close()

关闭浏览器

driver.quit()

页面操作
Selenium 的 WebDriver提供了各种方法来寻找元素,假设下面有一个表单输入框:

那么:

获取id标签值

element = driver.find_element_by_id("passwd-id")

获取name标签值

element = driver.find_element_by_name("user-name")

获取标签名值

element = driver.find_elements_by_tag_name("input")

也可以通过XPath来匹配

element = driver.find_element_by_xpath("//input[@id='passwd-id']")

定位UI元素 (WebElements)
关于元素的选取,有如下的API 单个元素选取

find_element_by_id
find_elements_by_name
find_elements_by_xpath
find_elements_by_link_text
find_elements_by_partial_link_text
find_elements_by_tag_name
find_elements_by_class_name
find_elements_by_css_selector

鼠标动作链
有些时候,我们需要再页面上模拟一些鼠标操作,比如双击、右击、拖拽甚至按住不动等,我们可以通过导入 ActionChains 类来做到:

示例:

导入 ActionChains 类

from selenium.webdriver import ActionChains

鼠标移动到 ac 位置

ac = driver.find_element_by_xpath('element')
ActionChains(driver).move_to_element(ac).perform()

在 ac 位置单击

ac = driver.find_element_by_xpath("elementA")
ActionChains(driver).move_to_element(ac).click(ac).perform()

在 ac 位置双击

ac = driver.find_element_by_xpath("elementB")
ActionChains(driver).move_to_element(ac).double_click(ac).perform()

在 ac 位置右击

ac = driver.find_element_by_xpath("elementC")
ActionChains(driver).move_to_element(ac).context_click(ac).perform()

在 ac 位置左键单击hold住

ac = driver.find_element_by_xpath('elementF')
ActionChains(driver).move_to_element(ac).click_and_hold(ac).perform()

将 ac1 拖拽到 ac2 位置

ac1 = driver.find_element_by_xpath('elementD')
ac2 = driver.find_element_by_xpath('elementE')
ActionChains(driver).drag_and_drop(ac1, ac2).perform()

填充表单
我们已经知道了怎样向文本框中输入文字,但是有时候我们会碰到标签的下拉框。直接点击下拉框中的选项不一定可行。

         未审核     初审通过     复审通过     审核不通过 ———————————————— 版权声明:本文为CSDN博主「琦彦」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/fly910905/article/details/83793154

Selenium专门提供了Select类来处理下拉框。 其实 WebDriver 中提供了一个叫 Select 的方法,可以帮助我们完成这些事情:

导入 Select 类

from selenium.webdriver.support.ui import Select

找到 name 的选项卡

select = Select(driver.find_element_by_name('status'))

select.select_by_index(1)
select.select_by_value("0")
select.select_by_visible_text(u"未审核")

以上是三种选择下拉框的方式,它可以根据索引来选择,可以根据值来选择,可以根据文字来选择。注意:

index 索引从 0 开始
value是option标签的一个属性值,并不是显示在下拉框中的值
visible_text是在option标签文本的值,是显示在下拉框的值

全部取消选择怎么办呢?很简单:

select.deselect_all()
弹窗处理
当你触发了某个事件之后,页面出现了弹窗提示,处理这个提示或者获取提示信息方法如下:

alert = driver.switch_to_alert()

页面切换
一个浏览器肯定会有很多窗口,所以我们肯定要有方法来实现窗口的切换。切换窗口的方法如下:

driver.switch_to.window("this is window name")
也可以使用 window_handles 方法来获取每个窗口的操作对象。例如:

for handle in driver.window_handles:
driver.switch_to_window(handle)

页面前进和后退
操作页面的前进和后退功能:

driver.forward()     #前进
driver.back()        # 后退

Cookies
获取页面每个Cookies值,用法如下

for cookie in driver.get_cookies():
    print "%s -> %s" % (cookie['name'], cookie['value'])
删除Cookies,用法如下

By name

driver.delete_cookie("CookieName")

all

driver.delete_all_cookies()

页面等待
注意:这是非常重要的一部分!!

现在的网页越来越多采用了 Ajax 技术,这样程序便不能确定何时某个元素完全加载出来了。如果实际页面等待时间过长导致某个dom元素还没出来,但是你的代码直接使用了这个WebElement,那么就会抛出NullPointer的异常。

为了避免这种元素定位困难而且会提高产生 ElementNotVisibleException 的概率。所以 Selenium 提供了两种等待方式,一种是隐式等待,一种是显式等待。

隐式等待是等待特定的时间,显式等待是指定某一条件直到这个条件成立时继续执行。

显式等待
显式等待指定某个条件,然后设置最长等待时间。如果在这个时间还没有找到元素,那么便会抛出异常了。

from selenium import webdriver
from selenium.webdriver.common.by import By

WebDriverWait 库,负责循环等待

from selenium.webdriver.support.ui import WebDriverWait

expected_conditions 类,负责条件出发

from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.Chrome()
driver.get("http://www.xxxxx.com/loading")
try:
    # 页面一直循环,直到 id="myDynamicElement" 出现
    element = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "myDynamicElement"))
    )
finally:
    driver.quit()
如果不写参数,程序默认会 0.5s 调用一次来查看元素是否已经生成,如果本来元素就是存在的,那么会立即返回。

下面是一些内置的等待条件,你可以直接调用这些条件,而不用自己写某些等待条件了。

title_is

title_contains

presence_of_element_located

visibility_of_element_located

visibility_of

presence_of_all_elements_located

text_to_be_present_in_element

text_to_be_present_in_element_value

frame_to_be_available_and_switch_to_it

invisibility_of_element_located

element_to_be_clickable – it is Displayed and Enabled.

staleness_of

element_to_be_selected

element_located_to_be_selected

element_selection_state_to_be

element_located_selection_state_to_be

alert_is_present

隐式等待

隐式等待比较简单,就是简单地设置一个等待时间,单位为秒。

from selenium import webdriver

driver = webdriver.Chrome()
driver.implicitly_wait(10) # seconds
driver.get("http://www.xxxxx.com/loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")
当然如果不设置,默认等待时间为0。

动态页面模拟点击

!/usr/bin/env python

-- coding:utf-8 --

python的测试模块

import unittest
from selenium import webdriver
from bs4 import BeautifulSoup

class douyuSelenium(unittest.TestCase):
# 初始化方法
def setUp(self):
self.driver = webdriver.PhantomJS()

#具体的测试用例方法,一定要以test开头
def testDouyu(self):
    self.driver.get('http://www.douyu.com/directory/all')
    while True:
        # 指定xml解析
        soup = BeautifulSoup(driver.page_source, 'xml')
        # 返回当前页面所有房间标题列表 和 观众人数列表
        titles = soup.find_all('h3', {'class': 'ellipsis'})
        nums = soup.find_all('span', {'class': 'dy-num fr'})

        # 使用zip()函数来可以把列表合并,并创建一个元组对的列表[(1,2), (3,4)]
        for title, num in zip(nums, titles):
            print u"观众人数:" + num.get_text().strip(), u"\t房间标题: " + title.get_text().strip()
        # page_source.find()未找到内容则返回-1
        if driver.page_source.find('shark-pager-disable-next') != -1:
            break
        # 模拟下一页点击
        self.driver.find_element_by_class_name('shark-pager-next').click()

# 退出时的清理方法
def tearDown(self):
    print '加载完成...'
    self.driver.quit()

if name == "main":
unittest.main()
 
————————————————
版权声明:本文为CSDN博主「琦彦」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/fly910905/article/details/83793154